曲线重建问题在反求工程和计算机视觉中都有着广泛的应用。反求工程(reverseengineering)的一个重要任务是由物理模型重建出几何表示模型，这其中包括数据采集、预处理、曲面拟合和建立CAD模型4个步骤，其核心问题是如何从采样点集出发重建出曲线、曲面的模型。在计算机视觉中通常要考察如何从图像或扫描获得的离散数据点重建几何模型，以利于形状分析和识别。上述二者都要求由已知的无序、带噪音的采样点集拟合出一条或多条曲线，反映出该点集的形状和走向。曲线拟合在逼近论和几何造型中都是一个重要的研究课题。随着三维扫描技术的成熟，点云问题成为了一个倍受关注的热门问题。有序散乱点曲线重建已经有了许多成熟的方法。对无序数据点的曲线重建，近年来已逐步受到人们的重视。另一方面，遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，是一种新的全局优化搜索算法，具有简单通用，稳定性强，适于并行处理以及高效、实用等显著特点，在很多领域得到了广泛应用。基于这些理论可行性的大前提，本文在吸取前人实践经验的基础上，提出了改进了的自适应的遗传算法，深入研究了自适应遗传算法在反求工程中点云曲线重建的问题中的应用策略，并得到了比较满意的结果。 全文共分四章，在第一章，首先介绍了曲线曲面重建的研究背景，实际意义以及当前国内外研究的大致情况。 在第二章，简单介绍了遗传算法的研究历史，生物背景，继而简述了遗传算法的基本实现步骤和基本遗传算子的实现方案以及遗传算法的基本特点和目前的基本应用情况以及作者在应用遗传算法处理问题中的一点心得。 在第三章，我们提出了基于自适应遗传算法的无序点云的曲线重构算法。根据无序点云的分布特点和待重建曲线的光滑，光顺假设条件并模仿连续曲线的采样与逼近过程，我们把点云分布空间网格化，在每个网格中搜索出最能代表该网格中点集的特征点，然后利用改进的自适应的SIG(sphere-of-influence)图，对每个特征点作进一步调整，从而得到能待重建曲线的型值点。我们利用测地距离函数dgeo来确定型值点的拓扑结构，利用B样条函数来重建光滑曲线。 第四章，给出大量实例证明本文提出的方法简单可行，特别是对于存在自交的情况以及点云具有明显角点的情况亦可以获得满意的结果，并且算法的时间，空间复杂度均较小。